1 MAPPA DELLE VELOCITA DI SUBSIDENZA. 1.1 Selezione delle immagini SAR

Transcript

1 1 MAPPA DELLE VELOCITA DI SUBSIDENZA E stata realizzata una banca dati geografica della deformazione dell intero bacino del fiume Arno a partire dall analisi Permanent Scatterers Standard (SPSA) di dati ERS acquisiti nell intervallo temporale Le attività incluse all interno del pacchetto possono essere schematizzate come segue: 1. selezione delle immagini ERS1 ed ERS2 acquisite sull intero bacino del F. Arno; 2. elaborazione delle immagini radar mediante la tecnica dei PS, in modalità SPSA; 3. analisi GIS del data-base di punti PS per la rimozione di offset ed outlier; 4. interpolazione dei dati PS al fine di ottenere mappe di subsidenza; 1.1 Selezione delle immagini SAR Per l analisi sono stati acquisiti dati sull intero bacino del Fiume Arno per il periodo compreso tra maggio 1992 e gennaio Per ottenere il massimo numero di capisaldi radar sono stati acquisite immagini sia lungo orbite discendenti (con acquisizione del satellite in direzione E-W) che ascendenti (acquisizione del satellite in direzione W-E). Infatti, a causa delle diverse direzioni di vista del satellite lungo le due orbite, diversi elementi riflettenti presenti sul terreno risultano essere dei PS, in funzione della loro geometria e della loro esposizione rispetto alla linea di vista del satellite. Elaborando dataset di immagini provenienti da entrambe le orbite è possibile ottenere la massima densità possibile di PS. Per coprire l intero territorio del bacino idrografico del Fiume Arno è stato necessario acquisire immagini provenienti da tre track differenti, sia per il dataset ascendente che per quello discendente, come è visibile nelle Figure 52 e 53. I track sono parzialmente sovrapposti.

2 Figura 52: Copertura delle immagini ERS1-ERS2 del dataset discendente. Track Frame Frame Shift Numero di Copertura area di immagini interesse (Km ) Tabella 8: tabella riassuntiva riguardante le caratteristiche delle immagini ERS1-ERS2 acquisite sul bacino lungo orbite discendenti. Figura 53:Copertura delle immagini ERS1-ERS2 del dataset ascendente. Track Frame Frame Shift Numero di Copertura area di immagini interesse (Km ) Tabella 9: tabella riassuntiva riguardante le caratteristiche delle immagini ERS1-ERS2 acquisite sul bacino lungo orbite ascendenti. 2

3 Come riportato nelle Tabelle 8 e 9 le tre track discendenti sono caratterizzate da un numero di acquisizione per track molto più elevato rispetto a quelle ascendenti (una media di 85 acquisizioni rispetto alle 35 ascendenti). Questa situazione, dovuta alla minore disponibilità di immagini acquisite lungo orbite discendenti all interno degli archivi ESA, fa sì che i valori di velocità medie calcolate dal dataset discendente sia più preciso, per le ragioni spiegate nel paragrafo Elaborazione SPSA Le immagini così selezionate sono state elaborate mediante una Standard Permanent Scatterers Analysis SPSA (vedi paragrafo 2.2.4). L analisi ha permesso di individuare nell area di studio una serie di punti o capisaldi radar caratterizzati sulle immagini SAR da elevati valori di energia retrodiffusa, sui quali è stato possibile misurare lo spostamento annuale medio durante il periodo di misura con un accuratezza elevata (dell ordine del millimetro). La densità spaziale di tali punti, che normalmente corrispondono sul terreno ad edifici, strutture metalliche o roccia esposta, è risultata sufficientemente elevata in corrispondenza delle aree maggiormente urbanizzate, mentre nelle aree agricole o comunque con poche strutture antropiche sono stati identificati solo pochi scatteratori. E stato così ottenuto un database di circa punti distribuiti all interno dell area di interesse (ca km 2 ), con una maggiore densità dei PS derivante dall analisi dei dati discendenti ( PS) rispetto agli ascendenti ( ). Dataset ascendente Track Dataset discendente Track Volterra 215 Pisa_july 165 Pistoia_ Empoli_2_t Pisa 215 Volterra 165 Siena 444 Pistoia 394 Castelfiorentino 444 Empoli_1_t Pistoia_ Casciano 394 Montevarchi 444 Stia 394 Firenze 444 Chiusi 122 Mugello 444 Arezzo 122 Montepulciano 172 Arezzo 172 Casentino 172 Bibbiena 172 Tabella 10: subset relativi al dataset ascendente e discendente. 3

4 Per problemi di eccessivo carico computazionale dei calcolatori su cui è stato realizzata l elaborazione SPSA, ogni singola immagine è stata suddivisa in alcuni subset, come riportato in Tabella 10. Per i dataset discendenti sono stati creati in totale 9 sub-set appartenenti a 3 track (165, 394, 122) e per gli ascendenti 13 subset, appartenenti a 3 track (215, 444, 172). 1.3 Analisi GIS del database PS In questa fase è necessario rendere omogenei i dati PS provenienti da diverse orbite (ascendenti e discendenti) o da track parzialmente sovrapposte. Le velocità fornite dai PS sono velocità relative e non assolute, cioè sono velocità differenziali calcolate rispetto ad un punto di riferimento, detto reference point. Dataset diversi di PS avranno reference points diversi, per cui PS corrispondenti provenienti da due track diverse (cioè da due acquisizioni che hanno una parte comune di sovrapposizione) possono avere velocità leggermente differenti. Questo può essere indotto dal fatto che i reference points non siano perfettamente fermi, ma che siano affetti da un leggero movimento. E necessario quindi stimare quanto sia tale differenza, valutandola statisticamente su punti vicini e rimuoverla, per poter rendere confrontabili diversi dataset. Un altro fattore da tenere in considerazione è la possibilità di analizzare dei dati provenienti da un area affetta da deformazioni regionali di origine tettonica, come quelle che interessano alcune porzioni dell Appennino. Tali deformazioni, dell ordine di pochi mm/anno, normalmente interessano zone abbastanza grandi ed omogenee dal punto di vista geologico (ad esempio bacini intermontani), per cui si riflettono come piccoli offset sulla velocità dell intera popolazione di PS presenti in queste aree. Per poter effettuare un analisi finalizzata all identificazione di fenomeni di subsidenza indotti da attività antropica tali offset non costituiscono un problema, ma è possibile valutare statisticamente il loro valore medio, analizzando la distribuzione di frequenza della velocità, e rimuoverli. Sia i dataset di PS discendenti che ascendenti sono stati analizzati da un punto di vista statistico facendo uso del tool di ARCGIS Geostatistical Analysis. Osservando l istogramma di frequenza delle velocità dei PS ed il valore di velocità più frequente, ed assumendo che la maggior parte dei PS abbia una velocità nulla, è stato calcolato e sottratto per ogni dataset un offset di velocità. In Tabella 11 e 12 sono riportati gli offset di tutti i dataset. In Figura 54 viene mostrato un esempio di valutazione dell offset di velocità di un dataset. 4

5 0 mm/y 2,2 mm/y Figura 54: istogramma di frequenza dei valori di velocità del dataset ascendete Bibbiena. Il valore di offset stimato è pari a 2.2 mm/y. Come per il dataset APSA del WP1, anche per quelli SPSA del WP3, la visualizzazione dei dataset di Permanent Scatterers in ambiente GIS ed un analisi statistica dei dati hanno permesso di notare la presenza di alcuni PS caratterizzati da anomali valori di velocità media annua rispetto alla media degli altri circostanti PS. Molto probabilmente questi punti non rappresentano reali scatteratori, e di conseguenza non sono attendibili capisaldi su cui misurare le deformazioni. Una volta identificati, mediante i tool di ARCGIS Geostatistical Analyst s Trend Analysis e Histogram Tool, gli outlier sono stati eliminati. Nelle Tabelle 11 e 12 sono riportati per ogni dataset gli offset ed il numero degli outlier. In Figura 55 e 56 sono riportati i grafici utilizzati per l individuazione degli outlier. Un file separato contenente solo gli outlier è stato creato al fine di lasciare la possibilità di verificare in campagna tali punti. 5

6 Dataset discendenti Offset Vel => Vel_mod Track Outliers Pisa_july Empoli_2_t Track outliers Volterra Pistoia Empoli_1_t Track outliers Casciano Stia Chiusi Arezzo Track outliers Tabella 11: offset ed outlier dei dataset discendenti. Ascending datasets Offset Vel => Vel_mod Track Outliers Volterra Pistoia_ Track outliers Pisa Siena Castelfiorentino Track outliers Pistoia_ Montevarchi Firenze Mugello Montepulciano Arezzo Track outliers Casentino Bibbiena Tabella 12: offset ed outlier dei dataset ascendenti. 6

7 Figura 55: grafico ottenuto mediante il Trend Analysis Tool. L ellisse rossa evidenzia i PS con valori di velocità anomali del dataset discendente Pisa. Figura 56: distribuzione di frequenza delle velocità del dataset SPSA discenete Pisa. Gli outlier sono caratterizzati da valori estremamente elevati di velocità (ellisse rossa). La distribuzione spaziale degli outlier dei dataset ascendenti e discendenti è riportata in Figura 57. Una volta eliminati offset ed outlier i differenti dataset appartenenti ad uno stesso track sono stati uniti tramite un operazione di merging realizzata in ambiente GIS, ottenendo alla fine tre dataset di PS discendenti e 3 di PS ascendenti, come riportato in Figura 58. 7

8 SUBSIDENCE: Analisi fenomeni di subsidenza nel territorio dell Autorità di Bacino del Fiume Arno Figura 57: Distribuzione spaziale dei PS outlier dei dataset ascendenti (sopra) e discendenti (sotto). 8

9 SUBSIDENCE: Analisi fenomeni di subsidenza nel territorio dell Autorità di Bacino del Fiume Arno Figura 58: Dataset di PS discendenti ( colonna di sinistra, dall alto verso il basso track 122, 165, 394) ed ascendenti (colonna di destra, dall alto verso il basso track 172, 215, 444) per l intero bacino del F. Arno Al fine di limitare l analisi delle deformazioni alle sole aree di pianura, è stato utilizzato il file chiamato Buti, fornito dall Autorità di Bacino ed sono stati solamente selezionati i PS che ricadono all interno di questa area. In questa maniera il numero di PS finale, utile per lo studio dei fenomeni di subsidenza, è arrivato ad essere pari a , distribuiti in per i dataset discendenti e per quelli ascendenti. Il numero di PS all interno dell are identificata dal file Buti rappresenta il 52% dell intero dataset di PS identificati nel bacino del F. Arno. 9

10 1.4 Interpolazione dei PS Le attività effettuate includono la creazione di una mappa di sintesi delle deformazioni del terreno sull intero bacino del fiume Arno, a partire dai dati puntuali di deformazione forniti dall analisi SPSA. A tal fine è stato necessario applicare degli algoritmi di interpolazione spaziale dei dati. La qualità dell interpolazione è chiaramente legata alla densità dei PS che in alcune zone è estremamente elevata, mentre in altre, a causa dell assenza di edifici o elementi riflettenti sul terreno, è abbastanza bassa. Per effettuare l interpolazione è stato usato l algoritmo di radial basis functions RBF. Per interpolare i dati sull intero bacino è stato utilizzato l algoritmo RBF - Radial Basis Function di ARCGIS Geostatistical Analyst. Anche questo algoritmo è un interpolatore esatto come spiegato nel capitolo 3.4 per IDW. Rispetto all IDW l algoritmo RBF usa un altra funzione matematica. Mentre l algoritmo IDW non può produrre i valori interpolati sopra il massimo o sotto il minimo valore dei dati originali, l algoritmo RBF può predire questi valori. Figura 59: mappa della subsidenza nel bacino del fiume Arno 10

11 Questo algoritmo è adatto per i dataset molto grandi, soprattutto se i valori non cambiano in maniera significativa sulla breve distanza. Per questo è stato per interpolare i dati di Standard PS Analysis (SPSA). I valori di velocità (lungo la linea di vista del satellite) sono stati proiettati lungo la direzione verticale presumendo il movimento del terreno sia soltanto verticale. Per questo è usato un fattore di 1,08636 (1/cos23 ), perché l angolo dell incidenza di ERS è 23. L interpolazione è stata elaborata per tutto il bacino senza dividerlo in diversi sottobacini. Come già spiegato in capitolo 3.4. il parametro search neighborhood è importante per i risultati dell interpolazione. In questo caso la distanza massima dei punti utilizzati è stata 2000 m. Inoltre il numero minimo di punti è stato 64. Il prodotto finale consiste in una mappa delle aree affette da subsidenza che viene riportata in Figura 59 ed Appendice

12 2 BIBLIOGRAFIA Alexander, D., Urban landslides. Progress in Physical Geography, 13, Alexander, D., Vulnerability to landslides. Chapter 5, , in T. Glade, M. Anderson, and M. Crozier (eds.), Landslide Hazard and Risk. Wiley, Chichester, U.K. Berti G., Canuti, P. & Casagli, N., Criteri per la previsione e la prevenzione del rischio connesso agli sprofondamenti catastrofici, Le Voragini Catastrofiche: un nuovo problema per la Toscana. Edizioni Regione Toscana, Canuti P. & Casagli N., Considerazioni sulla valutazione del rischio da frana. Atti del convegno Fenomeni franosi e centri abitati, Bologna 27 maggio 1994, Regione Emilia Romagna e CNR Gruppo Nazionale per la Difesa dalle Catastrofi Idrogeologiche. Canuti, P. & Menduni, G., Programma comune per l integrazione e l aggiornamento della cartografia del rischio da frana del Piano di Bacino, 274. Report Interno Autorità di Bacino del Fiume Arno. Colesanti C., Ferretti A., Prati C., Rocca F., Monitoring landslides and tectonic motions with the Permanent Scatterers Technique. Engineering Geology, 68 (2003) DRM - Délégation aux Risques Majeurs, Evaluation de la vulnerabilité. Plan d Exposition aux Risques. Ministère de l Environnement. Direction de l Eau et de la Prévention des Pollutions et des Risques. La Documentation Française. (1988), 112. DRM - Délégation aux Risques Majeurs, Les études préliminaires à la cartographie réglementaire des risques majeurs. Secrétariat d Etat auprès du Premier ministre chargé de l Environnement et de la Prévention des Risques technologiques et naturels majeurs. La Documentation Française (1990), 143. Fell R., Landslide risk assessment and acceptable risk. Canadian geotechnical journal, 31(2),

13 Ferretti, A., Prati, C., Rocca, F., Permanent Scatterers in SAR interferometry. IEEE Trans. Geosci. Remote Sens. 39 (1), Ferretti, A., Prati, C., Rocca, F., Multibaseline InSAR DEM reconstruction: the wavelet approach. IEEE Trans. Geosci. Remote Sens. 37 (2), Glade, T., Anderson, M., Crozier, M.J., Landslide hazard and risk. John Wiley & Sons. Massonnet, D., Feigl, K.L., Radar interferometry and its application to changes in the Earth s surface. Rev. Geophys., 36. Murakami, S., Yasuhara, K GIS for land subsidence evaluation in northern Kanto plain, Japan. Proc. of the Sixth International Symposium on Land Subsidence, Ravenna, September 2000, 2, Murakami, S., Yasuhara, K., Mochizuki, N., An observational prediction of land subsidence for a GIS-aimed monitoring system of groundwater level. Lowland Technology International, 4 (1), Rosen, P.A., Hensley, S., Joughin, I.R., Li, F.K., Madsen, S.N., Rodriguez, E., Goldstein, R.M., Synthetic aperture radar interferometry. Proc. I.E.E.E. 88 (3). 13